Elasticsearch 安装 docker安装elasticsearch docker镜像下载 docker pull elasticsearch:5.6.8
安装es容器 docker run -di --name=jwang_elasticsearch -p 9200:9200 -p 9300:9300 elasticsearch:5.6.8
9200端口(Web管理平台端口) 9300(服务默认端口)
浏览器输入地址访问："http://192.168.211.132:9200/"
开启远程连接 上面完成安装后，es并不能正常使用，elasticsearch从5版本以后默认不开启远程连接，程序直接连接会报如下错误：
failed to load elasticsearch nodes : org.elasticsearch.client.transport.NoNodeAvailableException: None of the configured nodes are available: [{#transport#-1 }{5ttLpMhkRjKLkvoY7ltUWg}{192.168 .211 .132 }{192.168 .211 .132 :9300 }]
我们需要修改es配置开启远程链接：
copy elasticsearch.yml文件到宿主机，修改之后在copy回去
docker cp jwang_elasticsearch:/usr/share/elasticsearch/config/elasticsearch.yml ./
修改elasticsearch.yml文件 vim elasticsearch.yml
copy回docker容器中：
docker cp ./elasticsearch.yml jwang_elasticsearch:/usr/share/elasticsearch/config/
系统参数配置 重启后发现重启启动失败了，这时什么原因呢？这与我们刚才修改的配置有关，因为elasticsearch在启动的时候会进行一些检查，比如最多打开的文件的个数以及虚拟内存区域数量等等，如果你放开了此配置，意味着需要打开更多的文件以及虚拟内存，所以我们还需要系统调优
修改vi /etc/security/limits.conf ，追加内容 (nofile是单个进程允许打开的最大文件个数 soft nofile 是软限制 hard nofile是硬限制 )
* soft nofile 65536 * hard nofile 65536
修改vi /etc/sysctl.conf，追加内容 (限制一个进程可以拥有的VMA(虚拟内存区域)的数量 )
执行下面命令 修改内核参数马上生效
重新启动虚拟机，再次启动容器，发现已经可以启动并远程访问
创建es-head插件： docker pull docker.io/mobz/elasticsearch-head:5 docker run -di --name=es-head -p 9100:9100 docker.io/mobz/elasticsearch-head:5
跨域配置 修改elasticsearch/config下的配置文件：elasticsearch.yml，增加以下三句命令，并重启:
http.cors.enabled : true http.cors.allow-origin : "*" network.host : 192.168.211.132
其中：“：表示跨域访问允许的域名地址（ 表示任意）。
重启
docker restart jwang_elasticsearch
小提示：如果想让容器开启重启，可以执行下面命令
docker update --restart=always 容器名称或者容器id
IK分词器安装 安装ik分词器 IK分词器下载地址https://github.com/medcl/elasticsearch-analysis-ik/releases
将ik分词器上传到服务器上，然后解压，并改名字为ik
unzip elasticsearch-analysis-ik-5.6.8.zip mv elasticsearch ik
将ik目录拷贝到docker容器的plugins目录下
docker cp ./ik jwang_elasticsearch:/usr/share/elasticsearch/plugins
重启容器：
docker restart jwang_elasticsearch
IK分词器测试 访问：`http://192.168.211.132:9200/_analyze?analyzer=ik_smart&pretty=true&text=我是程序员`
访问：`http://192.168.211.132:9200/_analyze?analyzer=ik_max_word&pretty=true&text=我是程序员`
Kibana使用-掌握DSL语句 我们上面使用的是elasticsearch-head插件实现数据查找的，但是elasticsearch-head的功能比较单一，我们这里需要一个更专业的工具实现对日志的实时分析，也就是我们接下来要讲的kibana。
Kibana 是一款开源的数据分析和可视化平台，它是 Elastic Stack 成员之一，设计用于和 Elasticsearch 协作。您可以使用 Kibana 对 Elasticsearch 索引中的数据进行搜索、查看、交互操作。您可以很方便的利用图表、表格及地图对数据进行多元化的分析和呈现。
Kibana 可以使大数据通俗易懂。它很简单，基于浏览器的界面便于您快速创建和分享动态数据仪表板来追踪 Elasticsearch 的实时数据变化。
搭建 Kibana 非常简单。您可以分分钟完成 Kibana 的安装并开始探索 Elasticsearch 的索引数据 — 没有代码、不需要额外的基础设施。
Kibana下载安装 我们项目中不再使用linux，直接使用Docker，所有这里就不演示在windows的下载安装了。
(1)镜像下载
docker pull docker.io/kibana:5.6.8
(2)安装kibana容器
执行如下命令，开始安装kibana容器
docker run -it -d -e ELASTICSEARCH_URL=http://192.168.211.132:9200 --name kibana --restart=always -p 5601:5601 kibana:5.6.8 ELASTICSEARCH_URL =http://192.168.211.132:9200：是指链接的ES地址 restart =always:每次服务都会重启，也就是开启启动 5601 :5601:端口号
(3)访问测试
访问http://192.168.211.132:5601如下：
Kibana使用 配置索引 要使用Kibana，您必须至少配置一个索引。索引用于标识Elasticsearch索引以运行搜索和分析。它们还用于配置字段。
我们修改索引名称的匹配方式即可，下面2个选项不用勾选。点击create，会展示出当前配置的索引的域信息，如下图：
域的每个标题选项分别代表如下意思：
数据搜索 Discover为数据搜索部分，可以对日志信息进行搜索操作。
可以使用Discover实现数据搜索过滤和搜索条件显示以及关键词搜索，如下图：
DSL语句使用 Query DSL结构化查询介绍 Query DSL是一个Java开源框架用于构建类型安全的SQL查询语句。采用API代替传统的拼接字符串来构造查询语句。目前Querydsl支持的平台包括JPA,JDO，SQL，Java Collections，RDF，Lucene，Hibernate Search。elasticsearch提供了一整套基于JSON的查询DSL语言来定义查询。
索引操作 (1)查询所有索引
结果如下：
(2)删除某个索引
效果如下：
(3)新增索引
效果如下：
(4)创建映射
PUT /user/userinfo/_mapping { "properties" : { "name" :{ "type" : "text", "analyzer" : "ik_smart", "search_analyzer" : "ik_smart", "store" : false }, "city" :{ "type" : "text", "analyzer" : "ik_smart", "search_analyzer" : "ik_smart", "store" : false }, "age" :{ "type" : "long", "store" : false }, "description" :{ "type" : "text", "analyzer" : "ik_smart", "search_analyzer" : "ik_smart", "store" : false } } }
效果如下：
(5)新增文档数据
PUT /user/userinfo/1 { "name" :"李四", "age" :22, "city" :"深圳", "description" :"李四来自湖北武汉！" }
效果如下：
(6)修改数据
a.替换操作
更新数据可以使用之前的增加操作,这种操作会将整个数据替换掉，代码如下：
PUT /user/userinfo/4 { "name" :"张三丰", "description" :"在武汉读书，家在武汉！在深圳工作！" }
效果如下：
使用GET命令查看：
b.更新操作
我们先使用下面命令恢复数据：
PUT /user/userinfo/4 { "name" :"张三丰", "age" :66, "city" :"武汉", "description" :"在武汉读书，家在武汉！" }
使用POST更新某个列的数据
POST /user/userinfo/4/_update { "doc" :{ "name" :"张三丰", "description" :"在武汉读书，家在武汉！在深圳工作！" } }
效果如下：
使用GET命令查看：
(7)删除Document
数据查询 (1)查询所有数据
效果如下：
(2)根据ID查询
效果如下：
(3)Sort排序
GET /user/_search { "query" :{ "match_all" : {} }, "sort" :{ "age" :{ "order" :"desc" } } }
效果如下：
(4)分页
GET /user/_search { "query" :{ "match_all" : {} }, "sort" :{ "age" :{ "order" :"desc" } }, "from" : 0, "size" : 2 }
解释：
from:从下N的记录开始查询
size:每页显示条数
效果如下：
过滤查询 (1)term过滤
term主要用于分词精确匹配，如字符串、数值、日期等（不适合情况：1.列中除英文字符外有其它值 2.字符串值中有冒号或中文 3.系统自带属性如_version）
如下案例：
#过滤查询-term GET _search { "query" : { "term" : { "city" : "武汉" } } }
效果如下：
(2)terms 过滤
terms 跟 term 有点类似，但 terms 允许指定多个匹配条件。 如果某个字段指定了多个值，那么文档需要一起去做匹配 。
案例如下：
#过滤查询-terms 允许多个Term GET _search { "query" : { "terms" : { "city" : [ "武汉" , "广州" ] } } }
果如下：
(3) range 过滤
range过滤允许我们按照指定范围查找一批数据。例如我们查询年龄范围
案例如下：
#过滤-range 范围过滤 #gt表示> gte表示=> #lt表示< lte表示<= GET _search { "query" : { "range" : { "age" : { "gte" : 30 , "lte" : 57 } } } }
上图效果如下：
(4)exists过滤
exists 过滤可以用于查找拥有某个域的数据
案例如下：
#过滤搜索 exists：是指包含某个域的数据检索 GET _search { "query" : { "exists" : { "field" : "address" } } }
效果如下：
(5) bool 过滤
bool 过滤可以用来合并多个过滤条件查询结果的布尔逻辑，它包含一下操作符：
must : 多个查询条件的完全匹配,相当于 and。
must_not : 多个查询条件的相反匹配，相当于 not。
should : 至少有一个查询条件匹配, 相当于 or。
这些参数可以分别继承一个过滤条件或者一个过滤条件的数组：
案例如下：
#过滤搜索 bool #must : 多个查询条件的完全匹配, 相当于 and。 #must_not : 多个查询条件的相反匹配，相当于 not。 #should : 至少有一个查询条件匹配, 相当于 or。 GET _search { "query" : { "bool" : { "must" : [ { "term" : { "city" : { "value" : "深圳" } } } , { "range" : { "age" : { "gte" : 20 , "lte" : 99 } } } ] } } }
效果如下：
(6) match_all 查询
可以查询到所有文档，是没有查询条件下的默认语句。
案例如下：
#查询所有 match_all GET _search { "query" : { "match_all" : { } } }
(7) match 查询
match查询是一个标准查询，不管你需要全文本查询还是精确查询基本上都要用到它。
如果你使用 match 查询一个全文本字段，它会在真正查询之前用分析器先分析match一下查询字符：
案例如下：
#字符串匹配 GET _search { "query" : { "match" : { "description" : "武汉" } } }
效果如下：
(8)prefix 查询
以什么字符开头的，可以更简单地用 prefix ,例如查询所有以张开始的用户描述
案例如下：
GET _search { "query" : { "prefix" : { "name" : { "value" : "赵" } } } }
效果如下：
(9)multi_match 查询
multi_match查询允许你做match查询的基础上同时搜索多个字段，在多个字段中同时查一个
案例如下：
#多个域匹配搜索 GET _search { "query" : { "multi_match" : { "query" : "深圳" , "fields" : [ "city" , "description" ] } } }
效果如下：
高亮查询 执行查询的DSL语句：
GET user/_search { "query": { "match": { "description": "武汉" } }, "highlight": { "pre_tags": "<span style='color:red'>" , "post_tags": "</span>" , "fields": { "description": {} } } }
查询结果：
完整DSL语句代码 GET /_cat/indices?v DELETE /skuinfo PUT /user PUT /user/userinfo/_mapping { "properties" : { "name" :{ "type" : "text", "analyzer" : "ik_smart", "search_analyzer" : "ik_smart", "store" : false }, "city" :{ "type" : "text", "analyzer" : "ik_smart", "search_analyzer" : "ik_smart", "store" : false }, "age" :{ "type" : "long", "store" : false }, "description" :{ "type" : "text", "analyzer" : "ik_smart", "search_analyzer" : "ik_smart", "store" : false } } } PUT /user/userinfo/1 { "name" :"李四", "age" :22, "city" :"深圳", "description" :"李四来自湖北武汉！" } PUT /user/userinfo/2 { "name" :"王五", "age" :35, "city" :"深圳", "description" :"王五家住在深圳！" } PUT /user/userinfo/3 { "name" :"张三", "age" :19, "city" :"深圳", "description" :"在深圳打工，来自湖北武汉" } PUT /user/userinfo/4 { "name" :"张三丰", "age" :66, "city" :"武汉", "description" :"在武汉读书，家在武汉！" } PUT /user/userinfo/5 { "name" :"赵子龙", "age" :77, "city" :"广州", "description" :"赵子龙来自深圳宝安，但是在广州工作！", "address" :"广东省茂名市" } PUT /user/userinfo/6 { "name" :"赵毅", "age" :55, "city" :"广州", "description" :"赵毅来自广州白云区，从事电子商务8年！" } PUT /user/userinfo/7 { "name" :"赵哈哈", "age" :57, "city" :"武汉", "description" :"武汉赵哈哈，在深圳打工已有半年了，月薪7500！" } PUT /user/userinfo/4 { "name" :"张三丰", "description" :"在武汉读书，家在武汉！在深圳工作！" } GET /user/userinfo/4 PUT /user/userinfo/4 { "name" :"张三丰", "age" :66, "city" :"武汉", "description" :"在武汉读书，家在武汉！" } POST /user/userinfo/4/_update { "doc" :{ "name" :"张三丰", "description" :"在武汉读书，家在武汉！在深圳工作！" } } GET /user/userinfo/4 DELETE user/userinfo/4 GET /user/_search GET /user/userinfo/2 GET /user/_search { "query" :{ "match_all" : {} }, "sort" :{ "age" :{ "order" :"desc" } } } GET /user/_search { "query" :{ "match_all" : {} }, "sort" :{ "age" :{ "order" :"desc" } }, "from" : 0, "size" : 2 } GET _search { "query" :{ "term" :{ "city" :"武汉" } } } GET _search { "query" :{ "terms" :{ "city" : [ "武汉", "广州" ] } } } GET _search { "query" :{ "range" : { "age" : { "gte" : 30, "lte" : 57 } } } } GET _search { "query" : { "exists" :{ "field" :"address" } } } GET _search { "query" : { "bool" : { "must" : [ { "term" : { "city" : { "value" : "深圳" } } }, { "range" :{ "age" :{ "gte" :20, "lte" :99 } } } ] } } } GET _search { "query" : { "match_all" : {} } } GET _search { "query" : { "match" : { "description" : "武汉" } } } GET _search { "query" : { "prefix" : { "name" : { "value" : "赵" } } } } GET _search { "query" : { "multi_match" : { "query" : "深圳", "fields" : [ "city", "description" ] } } }
数据导入ES SpringData Elasticsearch介绍 SpringData介绍 Spring Data是一个用于简化数据库访问，并支持云服务的开源框架。其主要目标是使得对数据的访问变得方便快捷，并支持map-reduce框架和云计算数据服务。 Spring Data可以极大的简化JPA的写法，可以在几乎不用写实现的情况下，实现对数据的访问和操作。除了CRUD外，还包括如分页、排序等一些常用的功能。
Spring Data的官网：http://projects.spring.io/spring-data/
SpringData ES介绍 Spring Data ElasticSearch 基于 spring data API 简化 elasticSearch操作，将原始操作elasticSearch的客户端API 进行封装 。Spring Data为Elasticsearch项目提供集成搜索引擎。Spring Data Elasticsearch POJO的关键功能区域为中心的模型与Elastichsearch交互文档和轻松地编写一个存储库数据访问层。 官方网站：http://projects.spring.io/spring-data-elasticsearch/
搜索工程搭建 创建搜索微服务工程，jwang-service-search,该工程主要提供搜索服务以及索引数据的更新操作。
(1)API工程搭建
首先创建search的API工程,在jwang-service-api中创建jwang-service-search-api，如下图：
pom.xml如下：
<?xml version="1.0" encoding="UTF-8" ?> <project xmlns ="http://maven.apache.org/POM/4.0.0" xmlns:xsi ="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation ="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd" > <parent > <artifactId > jwang-service-api</artifactId > <groupId > com.jwang</groupId > <version > 1.0-SNAPSHOT</version > </parent > <modelVersion > 4.0.0</modelVersion > <artifactId > jwang-service-search-api</artifactId > <dependencies > <dependency > <groupId > com.jwang</groupId > <artifactId > jwang-service-goods-api</artifactId > <version > 1.0-SNAPSHOT</version > </dependency > <dependency > <groupId > org.springframework.boot</groupId > <artifactId > spring-boot-starter-data-elasticsearch</artifactId > </dependency > </dependencies > </project >
(2)搜索微服务搭建
在jwang-service中搭建jwang-service-search微服务，并进行相关配置。
pom.xml配置
<?xml version="1.0" encoding="UTF-8" ?> <project xmlns ="http://maven.apache.org/POM/4.0.0" xmlns:xsi ="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation ="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd" > <parent > <artifactId > jwang-service</artifactId > <groupId > com.jwang</groupId > <version > 1.0-SNAPSHOT</version > </parent > <modelVersion > 4.0.0</modelVersion > <artifactId > jwang-service-search</artifactId > <dependencies > <dependency > <groupId > com.jwang</groupId > <artifactId > jwang-service-search-api</artifactId > <version > 1.0-SNAPSHOT</version > </dependency > </dependencies > </project >
application.yml配置
server : port : 18085 spring : application : name : search data : elasticsearch : cluster-name : my-application cluster-nodes : 192.168.211.132:9300 eureka : client : service-url : defaultZone : http://127.0.0.1:7001/eureka instance : prefer-ip-address : true feign : hystrix : enabled : true ribbon : ReadTimeout : 300000 hystrix : command : default : execution : isolation : thread : timeoutInMilliseconds : 10000
配置说明：
connection-timeout :服务连接超时时间 socket-connect：HTTP请求超时时间 ribbon.ReadTimeout : Feign请求读取数据超时时间 timeoutInMilliseconds：feign连接超时时间 cluster-name：Elasticsearch的集群节点名称，这里需要和Elasticsearch集群节点名称保持一致 cluster-nodes：Elasticsearch节点通信地址
(3)启动类
创建com.jwang.SearchApplication作为搜索微服务工程的启动类，代码如下：
@SpringBootApplication(exclude={DataSourceAutoConfiguration.class}) @EnableEurekaClient public class SearchApplication { public static void main (String[] args) { SpringApplication.run(SearchApplication.class,args); } }
分别创建对应的包，dao、service、controller，如下图：
数据导入 现在需要将数据从数据库中查询出来，然后将数据导入到ES中。
数据导入流程如下：
1.先将数据从数据库表中查询出来，将其导入到es服务器中 1.1 商品微服务查询出商品sku表的数据 1.2 搜索微服务通过feign调用商品微服务 获取到数据集（sku的列表数据） 1.3 通过spring data elasticsearch api 将其导入到es服务器中（过程就是建立倒排索引结构，存储数据到文档区域中） 2.实现搜索功能
文档映射Bean创建 搜索商品的时候，会根据如下属性搜索数据,并且不是所有的属性都需要分词搜索，我们创建JavaBean，将JavaBean数据存入到ES中要以搜索条件和搜索展示结果为依据，部分关键搜索条件分析如下：
1.可能会根据商品名称搜素，而且可以搜索商品名称中的任意一个词语，所以需要分词 2.可能会根据商品分类搜索，商品分类不需要分词 3.可能会根据商品品牌搜索，商品品牌不需要分词 4.可能会根据商品商家搜索，商品商家不需要分词 5.可能根据规格进行搜索，规格时一个键值对结构，用Map
根据上面的分析，我们可以在jwang-service-search-api工程中创建com.jwang.search.pojo.SkuInfo，如下
@Document(indexName = "skuinfo",type = "docs") public class SkuInfo implements Serializable { @Id private Long id; @Field(type = FieldType.Text, analyzer = "ik_smart") private String name; @Field(type = FieldType.Double) private Long price; private Integer num; private String image; private String status; private Date createTime; private Date updateTime; private String isDefault; private Long spuId; private Long categoryId; @Field(type = FieldType.Keyword) private String categoryName; @Field(type = FieldType.Keyword) private String brandName; private String spec; private Map<String,Object> specMap; }
解释：
Field的数据类型 Keyword 表示字符串 关键字类型 ，一定是不分词的 Text 表示字符串 文本类型 可以分词 也可以指定不分词
搜索审核通过Sku 修改jwang-service-goods微服务，添加搜索审核通过的Sku，供search微服务调用。下面都是针对goods微服务的操作。
修改SkuService接口，添加根据状态查询Sku方法，代码如下：
List<Sku> findByStatus (String status) ;
修改SkuServiceImpl，添加根据状态查询Sku实现方法，代码如下：
@Override public List<Sku> findByStatus (String status) { Sku sku = new Sku (); sku.setStatus(status); return skuMapper.select(sku); }
修改com.jwang.goods.controller.SkuController，添加根据审核状态查询Sku方法，代码如下：
@GetMapping("/status/{status}") public Result<List<Sku>> findByStatus (@PathVariable String status) { List<Sku> list = skuService.findByStatus(status); return new Result <List<Sku>>(true ,StatusCode.OK,"查询成功" ,list); }
Sku导入ES实现 (1) Feign配置
修改jwang-service-goods-api工程，在com.jwang.goods.feign.SkuFeign上添加方法
加入依赖：
<dependency > <groupId > com.jwang</groupId > <artifactId > jwang-common</artifactId > <version > 1.0-SNAPSHOT</version > </dependency >
如下：
@FeignClient(name="goods",path="/sku") public interface SkuFeign { @GetMapping("/status/{status}") Result<List<Sku>> findByStatus (@PathVariable(name="status") String status) ; }
@PathVariable(name ="status") 一定要声明
(2) Dao创建
修改jwang-service-search工程，创建com.jwang.search.dao.SkuEsMapper,该接口主要用于索引数据操作，主要使用它来实现将数据导入到ES索引库中，代码如下：
@Repository public interface SkuEsMapper extends ElasticsearchRepository <SkuInfo,Long> {}
(3) 服务层创建
修改jwang-service-search工程，创建com.jwang.search.service.SkuService,代码如下：
public interface SkuService { void importSku () ; }
修改jwang-service-search工程，创建com.jwang.search.service.impl.SkuServiceImpl,实现Sku数据导入到ES中，代码如下：
@Service public class SkuServiceImpl implements SkuService { @Autowired private SkuFeign skuFeign; @Autowired private SkuEsMapper skuEsMapper; @Override public void importSku () { Result<List<Sku>> skuListResult = skuFeign.findByStatus("1" ); List<SkuInfo> skuInfos= JSON.parseArray(JSON.toJSONString(skuListResult.getData()),SkuInfo.class); for (SkuInfo skuInfo:skuInfos){ Map<String, Object> specMap= JSON.parseObject(skuInfo.getSpec()) ; skuInfo.setSpecMap(specMap); } skuEsMapper.saveAll(skuInfos); } }
(4)控制层配置
修改jwang-service-search工程，在com.jwang.search.controller.SkuController类中添加如下方法调用上述导入方法，代码如下：
@RestController @RequestMapping(value = "/search") @CrossOrigin public class SkuController { @Autowired private SkuService skuService; @GetMapping("/import") public Result importToES () { skuService.importSku(); return new Result (true , StatusCode.OK,"导入数据到索引库中成功！" ); } }
(5)修改启动类
启动类中需要开启Feign客户端，并且需要添加ES包扫描，代码如下：
@SpringBootApplication(exclude={DataSourceAutoConfiguration.class}) @EnableEurekaClient @EnableFeignClients(basePackages = "com.jwang.goods.feign") public class SearchApplication { public static void main (String[] args) { System.setProperty("es.set.netty.runtime.available.processors" , "false" ); SpringApplication.run(SearchApplication.class,args); } }
(6)测试
调用http://localhost:18085/search/import进行测试
打开es-head可以看到如下数据：
关键字搜索
我们先使用SpringDataElasticsearch实现一个简单的搜索功能，先实现根据关键字搜索，从上面搜索图片可以看得到，每次搜索的时候，除了关键字外，还有可能有品牌、分类、规格等，后台接收搜索条件使用Map接收比较合适。
服务层实现 修改search服务的com.jwang.search.service.SkuService,添加搜索方法，代码如下：
Map search (Map<String, String> searchMap) ;
修改search服务的com.jwang.search.service.impl.SkuServiceImpl,添加搜索实现方法,代码如下：
@Autowired private ElasticsearchTemplate esTemplate;public Map search (Map<String, String> searchMap) { String keywords = searchMap.get("keywords" ); if (StringUtils.isEmpty(keywords)) { keywords = "华为" ; } NativeSearchQueryBuilder nativeSearchQueryBuilder = new NativeSearchQueryBuilder (); nativeSearchQueryBuilder.withQuery(QueryBuilders.matchQuery("name" , keywords)); NativeSearchQuery query = nativeSearchQueryBuilder.build(); AggregatedPage<SkuInfo> skuPage = esTemplate.queryForPage(query, SkuInfo.class); Map resultMap = new HashMap <>(); resultMap.put("rows" , skuPage.getContent()); resultMap.put("total" , skuPage.getTotalElements()); resultMap.put("totalPages" , skuPage.getTotalPages()); return resultMap; }
控制层实现 修改com.jwang.search.controller.SkuController，在控制层调用Service层即可，代码如下：
@PostMapping public Map<String,Object> search (@RequestBody(required = false) Map<String,String> searchMap) { if (searchMap==null ){ searchMap = new HashMap <>(); } return skuService.search(searchMap); }
测试 使用Postman工具，输入http://localhost:18085/search
选中POST提交
